深度学习(六)——反向传播计算w对应的梯度

2022-11-19

如下图,从下往上是第一阶段,第二阶段是从上往下

上图总结如下图

上图中正向传播过程是绿色的数字,从左导右
上图中反向传播(红色数字,从右到左),算法:求偏导之后将x代入算出结果,比如第一个结点1/x,它的偏导公式在上图中有,把1.37代入得-0.53,注意这里不是把0.73也不是把1当x代入,而是把1.37代入,因为x本来就是1.37,1/1.37才等于0.73,所以x是1.37,依次类推…

  • 怎么调整w?当算出w2 的梯度为 0.2时,此时下一次的w应为 -3-(学习率*梯度0.2),这就是怎么调w的方法

上述过程就是反向传播的过程

而tensorflow不会这么一层一层求导函数,它会把整个 f 函数(比如sigmod函数//(1+e**-z))求偏导,然后代入x